我也很希望看到这一点发生。但在实践中，我不确定如何实施这样的事情。 联邦政府是否只是补贴开放实验室获取这些硬件的成本？这将是一个持续的补贴（现在需要频繁的新硬件），那么如何选择哪些实验室获得补贴呢？如果我们简单假设每个H200大约$30K，那么10K个H200的粗略计算可能超过$3亿。这仅仅是GPU硬件的采购。你还需要地方来运行这些硬件，以及维护它们的运营费用。 如果你强迫现有的计算拥有者划出一部分供应给这些实验室，他们也需要某种形式的补贴。这些公司中的大多数现在也表示他们的供应受到限制。 无论如何，似乎我们正朝着创建一个新的计算范式迈进。到目前为止，这个范式围绕着扩展共置计算展开。毫无疑问，美国和其他地方仍会有像曼哈顿一样规模的数据中心建设。但也会有更小的计算岛屿，规模各异，通过光纤等连接。当这些成为新的/标准的约束和基本限制时，它将推动更广泛的AI研究社区朝着新的、未探索的方向发展。 这可能意味着在研究、模型架构、经济等方面，最大的封闭AI实验室（那些实际上在使用巨大的单一数据中心的实验室）与那些（可能是学术界和去中心化AI公司）使用更分布式计算集群（即小而众多的计算岛屿）之间存在着巨大的、不断扩大的差异。对于任何一方（最终，使用每一方所产生模型的消费者）来说，结果如何尚不清楚，但似乎事情正朝着这个方向发展。 你甚至可以说我们已经看到了这一点的端倪。例如，中国实验室的计算约束与OpenAI的根本不同。这些中国实验室不得不在训练/推理技术上进行创新。虽然这不是一个完美的类比，但也许它可以帮助阐明“朝着新范式迈出的小步伐”是什么样子，随着时间的推移，这些小步伐会积累并产生出与另一条路径产生的东西看起来/运作得截然不同的东西。